databricks：一个给数据工程师的平台( 三 ) 在数据库领域

文章图片

文章图片

图：Snowflake与Databricks定价对比（来源：官网）
另一方面，通过对比官网收费方式发现，虽然是平台租出服务器的计算资源，但这些服务器整个系统都建立在主要的云厂商的基础服务上。以Snowflake（左）为例，同样是以每秒粒度使用的计算资源付费， Snowflake是平台和云厂商打包收费方式，客户对底层服务界面（如EC2）和上游的Snowflake的成本花费要一次性付清，但比例是怎样无从得知，而打包之后Snowflake需要支付给云厂商另外成本，这在无形中增加了费用风险。
Databricks（右）的玩法是分开收费，用户的账单主要分为两部分：常规的底层云厂商服务器租用成本，以及Databricks在这些服务器上的功能费用。客户使用底层器时，费用单独付给云厂商，并不算在Databricks的营收里。
所以如果对比营收，比如2020年的Snowflake营收近6亿，但刨去付给云厂商的费用，和Databricks4亿多的营收相比，也差不了多少。而这既是Databricks毛利率比Snowflake高的原因，也是前者赚钱能力强的体现。有观点猜测Databricks迟迟不上市的原因，如果根据Ghodsi的说法，是为了避免二级市场所带来的波动，或许收费方式被迫改变等不可预测因素也在里面。
03天时地利人和
根据官网显示，除了为数据科学家、数据领导者与数据工程师提供角色解决方案， Databricks还利用大数据和AI为广告和营销、通讯服务商、教育、能源、联邦政府、金融、医疗等13类行业提供服务。
从类别数量上， Databricks要多于Snowflake ，此时全球已经有7000多家组织（包括荷兰银行、康泰纳仕、H&M集团、再生元和壳牌）依靠Databricks实现大规模数据工程、协作数据科学、全生命周期机器学习和业务分析。
通常情况下，企业客户在进行数据架构时，第三方平台提供数据湖方案，在数据湖中做一些常见的数据工程；同时会有一个数据仓库，存放相当于数据湖5%-10%的结构化数据，来做BI等简单的数据分析。
但由于数据分裂在两个系统上，针对同一个客户问题分析，不同团队有不同权限，因而会看到不同版本的同一份数据，当得出不同结论后，做商业决策的团队不相信数据，进而导致底层数据平台失信，这是个很致命的问题。
将结构化和非结构化数据结合到一个地方，让客户在不移动底层数据的情况下执行数据科学和商业智能工作，是大数据发展的一个关键变化。于是， Databricks决定力推Lakehouse ，能够直接在数据湖的低成本存储上，实现类似于数据仓中的数据结构和数据管理的功能，可支持BI到AI所有的工作流。
从Databricks的网页介绍上看，无论是数据工程、数据科学，还是机器学习都要依靠Lakehouse运行，加上过去使用低成本对象存储的数据湖的访问速度很慢，如今DBSQL提高了分析质量和性能，使数据湖在大数据集上的处理与数据仓库相媲美。
“Lakehouse是一个新赛道，这是一场地盘争夺战” ， H轮融资之后， Ghodsi表示，这笔资金将主要用于加速Lakehouse的产品创新和市场开拓。与此同时， Databricks透露保留所有主要公共云的选择和灵活性，并将Lakehouse发展成传统数据仓库的替代品。
越来越多的企业乐于看到Databricks的实力和发展潜力，这和它本身的商业逻辑有关，业内传统企业如Teradata在营收额上虽高过Databricks好几个身位，但市值仍徘徊在40多亿美元。大剂量的资金注入后， Databricks选择并购来填补产品路线图中的空白或不足，重点是机器学习和数据初创公司，以及扩大与云公司的合作伙伴关系。